Dépenses

Column

2001

2013

Column

barplot 2001

barplot 2013

Effectifs

Column

2001

2013

Column

barplot 2001

barplot 2013

Par ETP

Column

2001

2013

Column

2001

2013

La parité dans la recherche

Column

années sur la période

13

Evolution de l’effectif en recherche

+ 28.8 %

Evolution des femmes employées

+ 33.4 %

Column

Evolution des effectifs par sexe au niveau national

Différentiel du pourcentage de femmes dans la recherche entre 2001 et 2013, au niveau régional

A propos

Ce dashboard vous est proposé par Laurine ALLARD, Mélanie DEMEURE et Loïc STRAFELLA de la spécialisation Sciences des données d’Agrocampus Ouest, promotion 2021.

Vous pourrez trouver les données d’origine sur data.gouv.fr.

---
title: "La Recherche publique en France"
output: 
  flexdashboard::flex_dashboard:
    orientation: columns
    vertical_layout: fill
    theme: journal
    social: menu
    source_code: embed
---

```{r setup, include=FALSE}
library(flexdashboard)
library(tidyverse)
library(ggtext)
library(ggpubr)
library(sf)
library(plotly)
library(showtext)
library(ggthemes)
library(htmltools)

#IMPORTATION DU JEU DE DONNEES
rdFR <- read.csv("./rd-moyens-administrations.csv", sep = ";")

#AS FACTOR
for (i in 1:12){
  rdFR[,i] <- as.factor(rdFR[,i])
}

#Fond de carte France par region 2014
reg<-st_read(dsn="regions-20140306-100m-shp/regions-20140306-100m.shp")

reg$nom
#On enl?ve les DOM TOM
guadeloupe<-reg[11,]
guyane<-reg[12,]
lareunion<-reg[16,]
martinique<-reg[19,]
mayotte<-reg[20,]

reg<-reg[-c(11:12,16,19:20),]
```

Dépenses {data-navmenu="Des disparités régionales"}
=======================================================================

Column 
-----------------------------------------------------------------------

### 2001

```{r}
filter_dep_2001<-
  rdFR %>%
  filter(annee==2001) %>%
  filter (indicateur=="Depense interieure de R&D")%>%
  group_by(code_region,region)%>%
  summarise(Depense_Total=round(sum(valeur),2))

#On merge les donnees et le fond de carte
merge_2001<-merge(x=reg,y=filter_dep_2001,by.x="code_insee",by.y="code_region",all.x=T)

#Cartographie des des dépenses intérieures en R&D tout type d'administration confondu en 2001
merge_2001%>%
  st_transform(crs=32631)%>%
  ggplot() +
  geom_sf(aes(fill = as.numeric(Depense_Total))) +
  scale_fill_gradient(low="#ffffff",high="#048B9A",trans="log",breaks=c(50,150,500,1500,3000)) +
  labs(fill = "Dépenses (millions d'euros)") +
  labs(title = "Dépenses totales par régions en R&D",subtitle = "Année : 2001",caption="Source: data.gouv.fr")



```

### 2013

```{r}
#Filtrer en fonction de l'annee 2013 et des dépenses
filter_dep_2013<-
  rdFR %>%
  filter(annee==2013) %>%
  filter (indicateur=="Depense interieure de R&D")%>%
  group_by(code_region,region)%>%
  summarise(Depense_Total=sum(valeur))

#On merge les donnees et le fond de carte
merge_2013<-merge(x=reg,y=filter_dep_2013,by.x="code_insee",by.y="code_region",all.x=T)

#Cartographie des des dépenses intérieures en R&D tout type d'administration confondu en 2013
merge_2013%>%
  st_transform(crs=32631)%>%
  ggplot() +
  geom_sf(aes(fill = as.numeric(Depense_Total))) +
  scale_fill_gradient(low="#ffffff",high="#048B9A",trans="log",breaks=c(50,150,500,1500,3000)) +
  labs(fill = "Dépenses (millions d'euros)") +
  labs(title = "Dépenses totales par régions en R&D",subtitle = "Année : 2013",caption="Source: data.gouv.fr")


```

Column {data-width=500}
-----------------------------------------------------------------------

### barplot 2001

```{r}

filter_barplot_dep_2001 <- filter_dep_2001[-c(1,24),]

color4<-c("grey50","grey50","grey50","grey50","grey50","grey50","grey50","blue","grey50","grey50","grey50","grey50","grey50","blue","blue","grey50","grey50","grey50","grey50","grey50","grey50","grey50")

filter_barplot_dep_2001$region<-factor(filter_barplot_dep_2001$region,levels=filter_barplot_dep_2001$region[order(filter_barplot_dep_2001$Depense_Total)])

ggplot(data=filter_barplot_dep_2001,aes(x=region,y=Depense_Total,fill=region))+
  theme(panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        legend.position="none")+
  geom_bar(stat="identity",alpha=0.8)+
  geom_text(aes(label=round(Depense_Total),hjust=-0.2,vjust=0.40))+
  scale_fill_manual(values=color4)+
  scale_y_continuous(breaks=seq(0,6500,1000),limits=c(0,6500))+
  xlab("Régions")+
  ylab("Dépenses (millions d'euros)")+
  labs(title = "Dépenses totales par régions en R&D",subtitle = "Année : 2001",caption="Source: data.gouv.fr")+
  coord_flip()

```


### barplot 2013

```{r}
filter_barplot_dep_2013 <- filter_dep_2013[-c(1:6,29),]

color4<-c("grey50","grey50","grey50","grey50","grey50","grey50","grey50","blue","grey50","grey50","grey50","grey50","grey50","blue","blue","grey50","grey50","grey50","grey50","grey50","grey50","grey50")

filter_barplot_dep_2013$region<-factor(filter_barplot_dep_2013$region,levels=filter_barplot_dep_2013$region[order(filter_barplot_dep_2013$Depense_Total)])

ggplot(data=filter_barplot_dep_2013,aes(x=region,y=Depense_Total,fill=region))+
  theme(panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        legend.position="none")+
  geom_bar(stat="identity",alpha=0.8)+
  geom_text(aes(label=round(Depense_Total),hjust=-0.2,vjust=0.40))+
  scale_fill_manual(values=color4)+
  scale_y_continuous(breaks=seq(0,6500,1000),limits=c(0,6500))+
  xlab("Régions")+
  ylab("Dépenses (millions d'euros)")+
  labs(title = "Dépenses totales par régions en R&D",subtitle = "Année : 2013",caption="Source: data.gouv.fr")+
  coord_flip()
```


Effectifs {data-navmenu="Des disparités régionales"}
=======================================================================
Column {data-width=500}
-----------------------------------------------------------------------

### 2001

```{r}
#Filtrer en fonction de l'annee 2001 et des dépenses
filter_pers_2001<-
  rdFR %>%
  filter(annee==2001) %>%
  filter (indicateur=="Effectifs de R&D")%>%
  group_by(code_region,region)%>%
  summarise(Effectif_Total=sum(valeur))

#On merge les donnees et le fond de carte
merge_pers_2001<-merge(x=reg,y=filter_pers_2001,by.x="code_insee",by.y="code_region",all.x=T)


merge_pers_2001%>%
  st_transform(crs=32631)%>%
  ggplot() +
  geom_sf(aes(fill = as.numeric(Effectif_Total))) +
  scale_fill_gradient(low = "#ffffff", high = "#66CC33",trans="log",breaks=c(400,1100,3000,8000,22000))  +
  labs(fill = "Effectifs (ETP)") +
  labs(title = "Effectifs totaux par régions en R&D",subtitle = "Année : 2001",caption="Source: data.gouv.fr")

```

### 2013

```{r}
#Filtrer en fonction de l'annee 2013 et des dépenses
filter_pers_2013<-
  rdFR %>%
  filter(annee==2013) %>%
  filter (indicateur=="Effectifs de R&D")%>%
  group_by(code_region,region)%>%
  summarise(Effectif_Total=sum(valeur))

#On merge les donnees et le fond de carte
merge_pers_2013<-merge(x=reg,y=filter_pers_2013,by.x="code_insee",by.y="code_region",all.x=T)


merge_pers_2013%>%
  st_transform(crs=32631)%>%
  ggplot() +
  geom_sf(aes(fill = as.numeric(Effectif_Total))) +
  scale_fill_gradient(low = "#ffffff", high = "#66CC33",trans="log",breaks=c(400,1100,3000,8000,22000))   +
  labs(fill = "Effectifs (ETP)") +
  labs(title = "Effectifs totaux par régions en R&D",subtitle = "Année : 2013",caption="Source: data.gouv.fr")


```

Column {data-width=500}
-----------------------------------------------------------------------

### barplot 2001

```{r}
filter_barplot_pers_2001 <- filter_pers_2001[-c(1,24),]

color<-c("grey50","grey50","grey50","#66CC33","grey50","grey50","#66CC33","grey50","grey50","grey50","grey50","grey50","#66CC33","grey50","grey50","grey50","grey50","grey50","grey50","grey50","grey50","grey50")

filter_barplot_pers_2001$region<-factor(filter_barplot_pers_2001$region,levels=filter_barplot_pers_2001$region[order(filter_barplot_pers_2001$Effectif_Total)])
ggplot(data=filter_barplot_pers_2001,aes(x=region,y=Effectif_Total,fill=region))+
  theme(panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        legend.position="none")+
  geom_bar(stat="identity",alpha=0.8)+
  geom_text(aes(label=round(Effectif_Total),hjust=-0.2,vjust=0.40))+
  scale_fill_manual(values=color)+
  scale_y_continuous(breaks=seq(0,60000,10000),limits=c(0,60000))+
  labs(title = "Effectif total par région en R&D",subtitle = "Année : 2001",caption="Source: data.gouv.fr")+
  xlab("Régions")+
  ylab("Effectifs (ETP)")+
  coord_flip()

```


### barplot 2013

```{r}
filter_barplot_pers_2013 <- filter_pers_2013[-c(1:6,29),]

color2<-c("grey50","grey50","grey50","grey50","grey50","#66CC33","grey50","grey50","#66CC33","grey50","grey50","grey50","grey50","grey50","#66CC33","grey50","grey50","grey50","grey50","grey50","grey50","grey50","grey50")

filter_barplot_pers_2013$region<-factor(filter_barplot_pers_2013$region,levels=filter_barplot_pers_2013$region[order(filter_barplot_pers_2013$Effectif_Total)])
ggplot(data=filter_barplot_pers_2013,aes(x=region,y=Effectif_Total,fill=region))+
  theme(panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        legend.position="none")+
  geom_text(aes(label=Effectif_Total,hjust=-0.05,vjust=0.40))+
  geom_bar(stat="identity",alpha=0.8)+
  scale_fill_manual(values=color2)+
  scale_y_continuous(breaks=seq(0,60000,10000),limits=c(0,60000))+
  xlab("Régions")+
  ylab("Effectifs (ETP)")+
  labs(title = "Effectif total par région en R&D",subtitle = "Année : 2013",caption="Source: data.gouv.fr")+
  coord_flip()



```

Par ETP {data-navmenu="Des disparités régionales"}
=======================================================================

Column {data-width=500}
-----------------------------------------------------------------------
### 2001
```{r}
#Préparation du jeu de données pour 2001
dep_tot<-
  rdFR %>%
  filter(annee==2001) %>%
  filter(indicateur=="Depense interieure de R&D")%>%
  group_by(code_region,region)%>%
  summarise(Depense_Total=sum(valeur))
dep_tot<-as.data.frame(dep_tot)

eff_tot<-
  rdFR %>%
  filter(annee==2001) %>%
  filter(indicateur=="Effectifs de R&D")%>%
  group_by(code_region,region)%>%
  summarise(Effectif_Total=sum(valeur))
eff_tot<-as.data.frame(eff_tot)


dep_eff_tot<-merge(x=dep_tot,y=eff_tot,by.x = "region",by.y = "region")


#IMPORTANT jeu de données final 2001
filter_dep_eff_tot_2001<-
  dep_eff_tot%>%
  mutate(Depense_Effectif=Depense_Total/Effectif_Total*10^6) %>% 
  arrange(desc(Depense_Effectif))

#On merge les donnees et le fond de carte
merge_dep_eff_2001<-merge(x=reg,y=filter_dep_eff_tot_2001,by.x="code_insee",by.y="code_region.x",all.x=T)

merge_dep_eff_2001%>%
  st_transform(crs=32631)%>%
  ggplot() +
  geom_sf(aes(fill = as.numeric(Depense_Effectif))) +
  scale_fill_gradient(low="#ffffff",high="#048B9A",trans="log") +
  labs(fill = "Dépenses/Effectifs (millions d'euros/ETP)") +
  labs(title = "Dépenses totales divisées par les effectifs par régions en R&D",subtitle = "Année : 2001",caption="Source: data.gouv.fr")

```


### 2013

```{r}
#Préparation du jeu de données pour 2013
dep_tot_2013<-
  rdFR %>%
  filter(annee==2013) %>%
  filter(indicateur=="Depense interieure de R&D")%>%
  group_by(code_region,region)%>%
  summarise(Depense_Total=sum(valeur))

eff_tot_2013<-
  rdFR %>%
  filter(annee==2001) %>%
  filter(indicateur=="Effectifs de R&D")%>%
  group_by(code_region,region)%>%
  summarise(Effectif_Total=sum(valeur))



dep_eff_tot_2013<-merge(x=dep_tot_2013,y=eff_tot_2013,by.x = "region",by.y = "region")

#IMPORTANT jeu de données final 2013
filter_dep_eff_tot_2013<-
  dep_eff_tot_2013%>%
  mutate(Depense_Effectif=Depense_Total/Effectif_Total*10^6) %>% 
  arrange(desc(Depense_Effectif))


#On merge les donnees et le fond de carte
merge_dep_eff_2013<-merge(x=reg,y=filter_dep_eff_tot_2013,by.x="code_insee",by.y="code_region.x",all.x=T)


#Cartographie des des dépenses intérieures en R&D tout type d'administration confondu en 2001
merge_dep_eff_2013%>%
  st_transform(crs=32631)%>%
  ggplot() +
  geom_sf(aes(fill = as.numeric(Depense_Effectif))) +
  scale_fill_gradient(low="#ffffff",high="#048B9A",trans="log") +
  labs(fill = "Dépenses/Effectifs (millions d'euros/ETP") +
  labs(title = "Dépenses totales divisées par les effectifs par régions en R&D",subtitle = "Année : 2013",caption="Source: data.gouv.fr")



```


Column {data-width=500}
-----------------------------------------------------------------------
### 2001
```{r}
filter_dep_eff_tot_2001 <- filter_dep_eff_tot_2001[-c(1,24),]

color5<-c("#ff9933","#ff9933","#ff9933","grey50","grey50","grey50","grey50","grey50","grey50","grey50","grey50","grey50","grey50","grey50","grey50","grey50","grey50","grey50","grey50","grey50","grey50","grey50")

filter_dep_eff_tot_2001$region<-factor(filter_dep_eff_tot_2001$region,levels=filter_dep_eff_tot_2001$region[order(filter_dep_eff_tot_2001$Depense_Effectif)])

ggplot(data=filter_dep_eff_tot_2001,aes(x=region,y=Depense_Effectif,fill=region))+
  theme(panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        legend.position="none")+
  geom_bar(stat="identity",alpha=0.8)+
  geom_text(aes(label=round(Depense_Effectif),hjust=-0.6,vjust=0.40))+
  scale_y_continuous(breaks=seq(0,150000,10000),limits=c(0,150000))+
  scale_fill_manual(values=color5)+
  xlab("Régions")+
  ylab("Dépenses/Effectifs (euros/ETP)")+
  labs(title = "Dépenses totales divisées par les effectifs par régions en R&D",subtitle = "Année : 2001",caption="Source: data.gouv.fr")+
  coord_flip()



```

### 2013
```{r}
###BARPLOT Dépense/Effectif 2013######
filter_dep_eff_tot_2013 <- filter_dep_eff_tot_2013[-c(4,24),]

color6<-c("grey50","grey50","grey50","grey50","grey50","grey50","grey50","#ff9933","grey50","grey50","grey50","#ff9933","grey50","grey50","#ff9933","grey50","grey50","grey50","grey50","grey50","grey50","grey50")


filter_dep_eff_tot_2013$region<-factor(filter_dep_eff_tot_2013$region,levels=filter_dep_eff_tot_2013$region[order(filter_dep_eff_tot_2013$Depense_Effectif)])
ggplot(data=filter_dep_eff_tot_2013,aes(x=region,y=Depense_Effectif,fill=region))+
  theme(panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        legend.position="none")+
  geom_bar(stat="identity",alpha=0.8)+
  geom_text(aes(label=round(Depense_Effectif),hjust=-0.6,vjust=0.40))+
  scale_y_continuous(breaks=seq(0,150000,10000),limits=c(0,150000))+
  scale_fill_manual(values=color6)+
  xlab("Régions")+
  ylab("Dépenses/Effectifs (euros/ETP)")+
  labs(title = "Dépenses totales divisées par les effectifs par régions en R&D",subtitle = "Année : 2013", caption="Source: data.gouv.fr")+
  coord_flip()

```


La parité dans la recherche  {data-orientation=rows}
=======================================================================

Column {data-width=500}
-----------------------------------------------------------------------


### années sur la période

```{r}

par3 <- rdFR %>%
  filter(code_indicateur=="pers") %>% 
  filter(sexe!="Non ventile") %>% 
  group_by(annee,sexe) %>% 
  summarise(personnel=sum(valeur))%>% 
  group_by(annee) %>% 
  mutate(percentage=personnel/sum(personnel)*100) %>% 
  pivot_wider(names_from = sexe, values_from = c(personnel,percentage))

valueBox(13, icon = "fa-hourglass-half",
         color="grey87")
```



### Evolution de l'effectif en recherche

```{r}
effectif_total2001 <- sum(par3[1,2],par3[1,3])
effectif_fem2001 <- sum(par3[1,2])


effectif_total2013 <- sum(par3[13,2],par3[13,3])
effectif_fem2013 <- sum(par3[13,2])

evoleff <- round(((effectif_total2013-effectif_total2001)/effectif_total2001*100),1)
evoleff_fem <- round(((effectif_fem2013-effectif_fem2001)/effectif_fem2001*100),1)
  
valueBox(paste("+",evoleff,"%"),
         icon = "fa-chart-line",
         color="grey87")
```

### Evolution des femmes employées

```{r}
valueBox(paste("+",evoleff_fem,"%"), icon = "fa-female",
         color="pink")
```


Column {data-width=500}
-----------------------------------------------------------------------

### Evolution des effectifs par sexe au niveau national

```{r}

par3 %>%
  plot_ly(x=~annee,y=~personnel_Femmes,
          type="scatter",mode="line",name="Effectifs féminins",line=list(color='#F436F7',dash='dashed')) %>%
  add_trace(x = ~annee, y = ~personnel_Hommes,name = 'Effectifs masculins', mode = 'line',line=list(color='#371DCC',dash='dashed')) %>%
    add_trace(x = ~annee, y = ~percentage_Femmes, name = "Pourcentage de femmes", yaxis = "y2",mode="line",line=list(color='#F291F2',dash='dashed')) %>%
    add_trace(x = ~annee, y = ~percentage_Hommes, name = "Pourcentage d'hommes", yaxis = "y2",mode="line",line=list(color="#8376CF",dash='dashed')) %>%

  layout(
    margin = list(l = 50, r = 50, b = 50, t = 50, pad = 4),
    legend = list(
      title=list(text='Légende'),
      orientation = 'h',
      y = -0.3),
    xaxis=list(
      title=list(text='Années')
    ),
    yaxis=list(
      title=list(text='Effectifs')
    ),
    yaxis2 = list(
      overlaying = "y",
      side = "right",
      title = list(text='Pourcentage',
                   y=-100),
      range=c(0,100)),
    xaxis = list(title="x"))



```




### Différentiel du pourcentage de femmes dans la recherche entre 2001 et 2013, au niveau régional
```{r}

#### ANNEE 1 ################ 
par1 <- rdFR %>%
  filter(code_indicateur=="pers") %>% 
  filter(sexe!="Non ventile") %>% 
  filter(annee==2001) %>% 
  group_by(code_region,region,annee,sexe) %>% 
  dplyr::summarise(personnel=sum(valeur)) %>% 
  group_by(region) %>% 
  mutate(percent_2001=personnel/sum(personnel)*100) %>% 
  filter(sexe=="Femmes")

par2 <- rdFR %>%
  filter(code_indicateur=="pers") %>% 
  filter(sexe!="Non ventile") %>% 
  filter(annee==2013) %>% 
  group_by(code_region,region,annee,sexe) %>% 
  dplyr::summarise(personnel=sum(valeur)) %>% 
  group_by(region) %>% 
  mutate(percent_2013=personnel/sum(personnel)*100) %>% 
  filter(sexe=="Femmes")

#On merge les donn?es et le fond de carte
par12<-merge(x=par1,y=par2,by.x="code_region",by.y="code_region",all.x=T)

par12 <- par12 %>% 
  mutate(diff_percent=round((percent_2013-percent_2001),2))

#On merge les donnees et le fond de carte
par_reg<-merge(x=reg,y=par12,by.x="code_insee",by.y="code_region",all.x=T)

gg_parreg <- par_reg %>%
  st_transform( crs = 32631 )%>% 
  ggplot()+
  geom_sf(aes(fill = as.numeric(diff_percent))) +
  scale_fill_gradient2(midpoint = 0, low = "#1D00AD", mid = "white",
                            high = "#F436F7")+
  theme(legend.position="bottom")+
  labs(fill = 'Différence de pourcentage')+
  theme(
    axis.text.x = element_blank(),
    axis.text.y = element_blank(),
    axis.ticks = element_blank())+
  theme(plot.title = element_text(hjust = 0.5,size=10))

gg_parreg


```


A propos
=======================================================================

Ce dashboard vous est proposé par Laurine ALLARD, Mélanie DEMEURE et Loïc STRAFELLA de la spécialisation Sciences des données d'[Agrocampus Ouest](https://www.agrocampus-ouest.fr/), promotion 2021.

Vous pourrez trouver les données d'origine sur [data.gouv.fr](https://www.data.gouv.fr/fr/datasets/les-moyens-consacres-a-la-r-d-les-administrations-par-type-d-organisme-mesr/).